agentleFS
ffidelis16ffidelis16/GEO-OS/skills/geo-scorecard/SKILL.md

geo-scorecard

Skill0 starsChanged 5 months agoMITView on GitHub

Use quando um único ativo com conteúdo fornecido precisa ser pontuado e diagnosticado quanto a intenção, entidades, evidência, citabilidade, answer blocks, extraibilidade, confiança, frescor, estrutura e acionabilidade. Consolida auditorias; não é o primeiro diagnóstico de conteúdo bruto.

The file

Files
SKILL.md

GEO Scorecard

Objetivo

Consolidar auditorias em um score transparente de 0–100, com justificativa, cobertura, lacunas e prioridades de melhoria.

Ler modules/geo-scorecard.md. Usar os templates geo-scorecard-template.md e geo-scorecard.csv.

Quando usar

  • Para auditar conteúdo fornecido.
  • Antes e depois de um refresh.
  • Para comparar ativos sob o mesmo protocolo.
  • Para consolidar extractability e trust signal audits.

Quando não usar

  • Se apenas uma URL foi informada e o conteúdo não foi fornecido.
  • Para prever ranking ou citação.
  • Para comparar scores com escopos incompatíveis.
  • Como substituto de revisão factual.

Inputs

  • Conteúdo, trecho ou artefato.
  • Target intent, público e entidade principal.
  • Origem, data e escopo.
  • Fontes fornecidas.
  • Outputs de extractability-audit e trust-signal-audit, quando disponíveis.
  • Artefatos de intent, evidence, content brief, topical authority e competitor analysis.

Outputs

  • Score e cobertura.
  • Notas justificadas por dimensão.
  • Evidências, lacunas e riscos.
  • Correções priorizadas.
  • Próximos passos.

Processo

  1. Confirmar o conteúdo realmente disponível.
  2. Consultar intent-map, entity-map e evidence-ledger.
  3. Executar extractability-audit.
  4. Executar trust-signal-audit.
  5. Pontuar as 16 dimensões do módulo.
  6. Usar N/A quando não houver evidência.
  7. Calcular total com denominador ajustado e informar cobertura.
  8. Relacionar cada nota a evidência observada.
  9. Transformar main gaps em ações para content-brief, citation-engineering ou answer-blocks.

Restrições

  • Não afirmar que URL foi rastreada.
  • Não atribuir score sem justificativa.
  • Não converter N/A em zero.
  • Não usar score como probabilidade de citação.
  • Não esconder limitações para elevar nota.

Critérios de qualidade

  • Diagnóstico diferencia evidência, inferência e recomendação.
  • Toda nota é auditável.
  • Cobertura acompanha o score.
  • Recomendações têm prioridade e resultado esperado.
  • Output é executável por editor ou estrategista.

Modos de falha

  • Score decorativo sem evidência.
  • Muitas notas médias para evitar decisão.
  • Comparação entre versões com protocolos diferentes.
  • Recomendações genéricas.
  • Conteúdo ausente tratado como conteúdo fraco.

Exemplo

Se o usuário fornece apenas https://example.com, registrar que a página não foi rastreada, pontuar dimensões como N/A e pedir texto ou arquivo. Se fornece o HTML, auditar o material observado e citar trechos.

Erros comuns

  • Somar scores manualmente sem pesos.
  • Ignorar a cobertura.
  • Confundir schema opportunity com implementação válida.
  • Entregar nota sem plano de correção.

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.